本文關(guān)鍵詞：基于機(jī)器視覺的機(jī)場跑道異物檢測技術(shù)研究

  更多相關(guān)文章： 道路異物 自適應(yīng)混合高斯濾波 幀間差分 Kalman濾波 DM6437

【摘要】：隨著經(jīng)濟(jì)的快速發(fā)展,生活水平的不斷提高,乘坐飛機(jī)出行已成為眾多人的選擇,因此,飛機(jī)的飛行安全日益受到人們的關(guān)注。機(jī)場跑道異物簡稱FOD(Foreign Object Debris)是指機(jī)場跑道上一切損害飛機(jī)安全的外來物,FOD嚴(yán)重影響飛機(jī)的飛行安全,因此,對機(jī)場跑道異物檢測和識別技術(shù)的研究具有重要的現(xiàn)實(shí)意義。本文首先,研究分析了圖像的預(yù)處理、圖像邊緣檢測、圖像濾波等相關(guān)算法,并且對算法的優(yōu)缺點(diǎn)進(jìn)行了比較,為后續(xù)異物檢測圖像處理提供了基礎(chǔ);其次,研究了常用的運(yùn)動(dòng)目標(biāo)檢測算法和異物檢測算法,對算法的優(yōu)缺點(diǎn)以及適用范圍進(jìn)行了總結(jié),并且對異物檢測算法進(jìn)行了改進(jìn),即將基于自適應(yīng)混合高斯濾波的背景差分法和改進(jìn)的幀間差分法相結(jié)合對異物目標(biāo)檢測,改進(jìn)后的算法能夠有效地抑制異物內(nèi)部空洞的出現(xiàn),使異物的邊緣信息更加完整,提高了異物檢測的準(zhǔn)確率;然后,設(shè)計(jì)了異物檢測與跟蹤算法的整體流程,即先用本文改進(jìn)算法對異物進(jìn)行檢測,再利用中值濾波和形態(tài)學(xué)濾波對檢測圖像初步去噪,接著采用面積去噪法對異物檢測出現(xiàn)的噪聲進(jìn)一步去除,最終采用重心標(biāo)定法以及Kalman濾波跟蹤算法對異物目標(biāo)進(jìn)行實(shí)時(shí)標(biāo)定和跟蹤;最后,在VC++和Opencv的上位機(jī)平臺上對算法進(jìn)行了仿真,在下位機(jī)平臺利用基于DM6437裝置的車載移動(dòng)實(shí)驗(yàn)平臺分別對單異物目標(biāo)和多異物目標(biāo)以及在不同光照環(huán)境下的異物目標(biāo)檢測進(jìn)行了實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果證明本文改進(jìn)的異物檢測算法能夠降低背景突變下對檢測結(jié)果造成的影響,提高檢測的正確率,降低誤檢率和漏檢率,使對異物目標(biāo)的標(biāo)定和跟蹤更加的準(zhǔn)確有效。
【關(guān)鍵詞】：道路異物 自適應(yīng)混合高斯濾波 幀間差分 Kalman濾波 DM6437
【學(xué)位授予單位】：沈陽理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：V351;TP391.41
【目錄】：

• 摘要6-7
• abstract7-12
• 第1章 緒論12-18
• 1.1 課題研究背景及意義12-14
• 1.2 機(jī)場跑道異物檢測技術(shù)研究現(xiàn)狀14-17
• 1.2.1 國外研究現(xiàn)狀14-16
• 1.2.2 國內(nèi)研究現(xiàn)狀16-17
• 1.3 本文的主要內(nèi)容及章節(jié)安排17
• 1.4 本章小結(jié)17-18
• 第2章 異物檢測圖像處理基本算法研究18-36
• 2.1 圖像的顏色空間18-23
• 2.1.1 RGB顏色模型18-19
• 2.1.2 HSI顏色模型19-20
• 2.1.3 RGB顏色空間與HSI顏色空間的比較20-21
• 2.1.4 RGB顏色空間與HSI顏色空間的轉(zhuǎn)換21-23
• 2.2 圖像的預(yù)處理23-26
• 2.2.1 視頻圖像的灰度化23-25
• 2.2.2 圖像濾波處理25-26
• 2.3 圖像的邊緣檢測26-30
• 2.3.1 基于Robert算子的邊緣檢測27
• 2.3.2 基于Sobel算子的邊緣檢測27-28
• 2.3.3 基于Prewitt算子的邊緣檢測28-29
• 2.3.4 基于Canny算子的邊緣檢測29-30
• 2.4 圖像的形態(tài)學(xué)濾波30-35
• 2.4.1 腐蝕與膨脹運(yùn)算31-34
• 2.4.2 開運(yùn)算與閉運(yùn)算34-35
• 2.5 本章小結(jié)35-36
• 第3章 機(jī)場跑道異物檢測算法研究36-58
• 3.1 常用運(yùn)動(dòng)目標(biāo)檢測算法36-40
• 3.1.1 背景差分法36-37
• 3.1.2 幀差法37-38
• 3.1.3 光流法38-40
• 3.2 改進(jìn)的異物檢測算法40-46
• 3.2.1 基于自適應(yīng)混合高斯背景建模的背景減法41-42
• 3.2.2 改進(jìn)的幀間差分法42-44
• 3.2.3 改進(jìn)的異物檢測算法44-46
• 3.3 異物檢測噪聲干擾的濾除46-50
• 3.3.1 異物的連通域標(biāo)記46-49
• 3.3.2 面積法去除噪聲區(qū)域49-50
• 3.4 機(jī)場跑道異物的標(biāo)定50-53
• 3.4.1 基于多次曲線擬合的目標(biāo)位置計(jì)算50-52
• 3.4.2 基于圖像矩的目標(biāo)位置計(jì)算52-53
• 3.5 機(jī)場跑道異物的跟蹤53-57
• 3.5.1 Mean Shift跟蹤算法54-55
• 3.5.2 卡爾曼濾波跟蹤算法55-57
• 3.6 本章小結(jié)57-58
• 第4章 機(jī)場跑道異物檢測系統(tǒng)設(shè)計(jì)與實(shí)驗(yàn)58-76
• 4.1 系統(tǒng)的設(shè)計(jì)方案與設(shè)計(jì)流程58-59
• 4.1.1 系統(tǒng)的設(shè)計(jì)要求58
• 4.1.2 系統(tǒng)的設(shè)計(jì)流程58-59
• 4.2 機(jī)場跑道異物檢測的平臺59-62
• 4.3 防抖動(dòng)算法62-64
• 4.4 檢測實(shí)驗(yàn)過程64-75
• 4.4.1 單異物目標(biāo)檢測與標(biāo)定65-67
• 4.4.2 多異物目標(biāo)檢測與標(biāo)定67-72
• 4.4.3 不同光照下異物的檢測與標(biāo)定72-75
• 4.5 本章小結(jié)75-76
• 結(jié)論76-78
• 參考文獻(xiàn)78-83
• 攻讀碩士學(xué)位期間發(fā)表的論文和取得的科研成果83-84
• 致謝84-85

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前8條

1 王宇;吳煒;張德銀;;基于計(jì)算機(jī)視覺的機(jī)場跑道異物檢測識別系統(tǒng)[J];電視技術(shù);2010年05期

2 王超;楊承恩;申麗然;;基于圖像處理技術(shù)的污水處理沉降速度測量[J];大連海事大學(xué)學(xué)報(bào);2012年04期

3 李煜;肖剛;;機(jī)場跑道異物檢測系統(tǒng)設(shè)計(jì)與研究[J];激光與紅外;2011年08期

4 曾偉;朱桂斌;李瑤;;基于Kalman點(diǎn)匹配估計(jì)的運(yùn)動(dòng)目標(biāo)跟蹤[J];計(jì)算機(jī)應(yīng)用;2009年06期

5 朱軍;;航空器輪胎損傷對航空器運(yùn)行安全的影響及防范淺析[J];江蘇航空;2009年02期

6 宋利,周源華,周軍;基于運(yùn)動(dòng)矢量的視頻去抖動(dòng)算法[J];上海交通大學(xué)學(xué)報(bào);2004年S1期

7 劉惟錦;章毓晉;;基于Kalman濾波和邊緣直方圖的實(shí)時(shí)目標(biāo)跟蹤[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版)網(wǎng)絡(luò).預(yù)覽;2008年07期

8 趙錦華;張軍;;機(jī)場跑道異物檢測系統(tǒng)研究[J];現(xiàn)代電子技術(shù);2012年19期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 曹暉;運(yùn)動(dòng)多目標(biāo)檢測與跟蹤算法研究[D];哈爾濱工程大學(xué);2010年

2 樊曼R，

本文編號：787515